| 1.引言 | 第1-21页 |
| ·选题背景及意义 | 第11-12页 |
| ·概述 | 第11页 |
| ·选题的目的和意义 | 第11-12页 |
| ·国内外研究状况 | 第12-19页 |
| ·高压动态校准装置 | 第12-13页 |
| ·测量系统的非线性模型辨识 | 第13-16页 |
| ·动态系统的非线性模型辨识的现状及其存在的问题 | 第13页 |
| ·非线性系统的研究方法 | 第13-16页 |
| ·非线性系统辨识 | 第16-19页 |
| ·参数模型辨识算法综述 | 第16-17页 |
| ·非参数模型辨识方法综述 | 第17-19页 |
| ·论文的主要工作及创新点 | 第19-21页 |
| 2.强非线性系统压力传感器的数学模型分析 | 第21-50页 |
| ·Duffing系统的定性理论研究 | 第22-44页 |
| ·Duffing系统的奇点及平衡位置 | 第22-24页 |
| ·自治Duffing系统的奇点与相轨迹 | 第22-23页 |
| ·非自治Duffing系统的极限环 | 第23-24页 |
| ·能量法求非自治系统的周期解 | 第24-35页 |
| ·能量法中方程的变换 | 第24-27页 |
| ·周期解及其解的稳定性 | 第27-35页 |
| ·仿真示例 | 第35-39页 |
| ·Duffing系统分析 | 第39-44页 |
| ·能量法的定量分析法 | 第44-47页 |
| ·能量法的定量分析法方程推导 | 第45-46页 |
| ·近似周期解 | 第46页 |
| ·仿真示例 | 第46-47页 |
| ·近似周期解的一般形式 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 3.非线性电路仿真研究 | 第50-64页 |
| ·仿真电路模型的组成及仿真方法 | 第50-56页 |
| ·线性及非线性的运算部件 | 第50-52页 |
| ·直流运算放大器及线性运算部件 | 第50-51页 |
| ·非线性运算单元 | 第51-52页 |
| ·传递函数的模拟仿真 | 第52-56页 |
| ·幅度比例尺的选择及变量最大值的估计 | 第53-54页 |
| ·时间比例尺的选择 | 第54-56页 |
| ·非线性Duffing系统的电路仿真结构举例 | 第56-62页 |
| ·Duffing自治系统的电路仿真 | 第56-61页 |
| ·Duffing非自治系统的电路仿真 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 4.基于神经网络Volterra级数的非线性系统建模理论 | 第64-84页 |
| ·建模方法概述 | 第64-65页 |
| ·基于Volterra泛函级数的非线性传递函数理论 | 第65-70页 |
| ·非线性动态系统的Volterra级数表示 | 第65-66页 |
| ·非线性传递函数的定义和性质 | 第66-67页 |
| ·非线性系统的频率响应函数 | 第67-68页 |
| ·非线性频域核与系统建模 | 第68页 |
| ·离散系统的Volterra级数与非线性离散传递函数 | 第68-70页 |
| ·基于Volterra级数模型的系统辨识 | 第70-71页 |
| ·传统Volterra级数模型辨识 | 第70页 |
| ·离散Volterra级数模型的变形形式 | 第70-71页 |
| ·基于神经网络的Volterra核的辨识 | 第71-81页 |
| ·神经网络反向传播学习算法 | 第72-74页 |
| ·BP网络激励函数的选择和改进BP算法的措施 | 第74-76页 |
| ·利用神经网络辨识Volterra级数核 | 第76-78页 |
| ·辨识算法的步骤 | 第78页 |
| ·存在问题及解决和改进的方法 | 第78-81页 |
| ·仿真示例 | 第81-83页 |
| ·本章小结 | 第83-84页 |
| 5.非线性系统模型的深入分析研究 | 第84-96页 |
| ·NARMAX模型 | 第85-86页 |
| ·Volterra级数模型与NARMAX模型之间的关系 | 第86-91页 |
| ·输入平衡法求解Volterra模型与NARMAX模型之间的关系 | 第86-90页 |
| ·多维Z变换方法求解Volterra模型与NARMAX模型的关系 | 第90-91页 |
| ·离散非线性参数模型与连续参数模型的关系 | 第91-95页 |
| ·线性系统的时域冲激响应不变法 | 第91-92页 |
| ·非线性系统多维冲激响应不变法 | 第92-95页 |
| ·Duffing系统三阶传递函数的多维拉氏变换及逆变换 | 第93-94页 |
| ·Duffing系统三阶传递函数的多维Z变换及逆变换 | 第94-95页 |
| ·本章小结 | 第95-96页 |
| 6.基于Laguerre正交函数的非线性系统模型辨识 | 第96-109页 |
| ·线性系统的Laguerre函数模型 | 第96-99页 |
| ·非线性系统的Laguerre函数模型 | 第99-100页 |
| ·Laguerre函数模型网络离散化推导 | 第100-104页 |
| ·离散化的非线性系统的Laguerre函数模型 | 第104页 |
| ·Laguerre非线性模型的辨识和建模算法 | 第104-105页 |
| ·仿真示例 | 第105-108页 |
| ·本章小结 | 第108-109页 |
| 7.基于指数类正交函数的非线性系统辨识 | 第109-118页 |
| ·白噪声的定义及特点 | 第109页 |
| ·Wiener系统模型辨识原理 | 第109-111页 |
| ·正交函数序列的概率密度函数的估计方法 | 第111-112页 |
| ·基于正交函数的动态建模原理 | 第112-114页 |
| ·基于正交函数的辨识和建模步骤 | 第114-115页 |
| ·仿真示例 | 第115-116页 |
| ·本章小结 | 第116-118页 |
| 8.非线性系统模型辨识的实验及比较研究 | 第118-131页 |
| ·实验设计及建模数据的选择 | 第118-122页 |
| ·实验概况 | 第118-120页 |
| ·建模数据选择及数据预处理 | 第120-122页 |
| ·系统的模型辨识 | 第122-127页 |
| ·基于神经网络的Volterra级数辨识 | 第122-123页 |
| ·基于Laguerre正交函数的模型辨识 | 第123-125页 |
| ·基于线性系统的模型辨识 | 第125-127页 |
| ·实验建模结果分析 | 第127页 |
| ·几种模型辨识方法的分析比较研究 | 第127-130页 |
| ·非线性模型辨识方法总结 | 第128-129页 |
| ·不同辨识方法的优缺点及其适用范围 | 第129-130页 |
| ·本章小结 | 第130-131页 |
| 9.总结与展望 | 第131-134页 |
| ·本文工作总结 | 第131-132页 |
| ·后续工作展望 | 第132-134页 |
| 致谢 | 第134-135页 |
| 参考文献 | 第135-140页 |
| 博士期间发表的论文 | 第140页 |
